The effects of ginger intake on weight loss and metabolic profiles among overweight and obese subjects: A systematic review and meta-analysis of randomized controlled trials
Notice bibliographique
Résumé
This systematic review and meta-analysis of randomized controlled trials (RCTs) was performed to summarize the effect of ginger intake on weight loss, glycemic control and lipid profiles among overweight and obese subjects. We searched the following databases through November 2017: MEDLINE, EMBASE, Web of Science, and Cochrane Central Register of Controlled Trials. The relevant data were extracted and assessed for quality of the studies according to the Cochrane risk of bias tool. Data were pooled using the inverse variance method and expressed as Standardized Mean Difference (SMD) with 95% Confidence Intervals (95% CI). Heterogeneity between studies was assessed by the Cochran Q statistic and I-squared tests (I2). Overall, 14 studies were included in the meta-analyses. Fourteen RCTs with 473 subjects were included in our meta-analysis. The results indicated that the supplementation with ginger significantly decreased body weight (BW) (SMD −0.66; 95% CI, −1.31, −0.01; P = 0.04), waist-to-hip ratio (WHR) (SMD −0.49; 95% CI, −0.82, −0.17; P = 0.003), hip ratio (HR) (SMD −0.42; 95% CI, −0.77, −0.08; P = 0.01), fasting glucose (SMD −0.68; 95% CI, −1.23, −0.05; P = 0.03) and insulin resistance index (HOMA-IR) (SMD −1.67; 95% CI, −2.86, −0.48; P = 0.006), and significantly increased HDL-cholesterol levels (SMD 0.40; 95% CI, 0.10, 0.70; P = 0.009). We found no detrimental effect of ginger on body mass index (BMI) (SMD −0.65; 95% CI, −1.36, 0.06; P = 0.074), insulin (SMD −0.54; 95% CI, −1.43, 0.35; P = 0.23), triglycerides (SMD −0.27; 95% CI, −0.71, 0.18; P = 0.24), total- (SMD −0.20; 95% CI, −0.58, 0.18; P = 0.30) and LDL-cholesterol (SMD −0.13; 95% CI, −0.51, 0.24; P = 0.48). Overall, the current meta-analysis demonstrated that ginger intake reduced BW, WHR, HR, fasting glucose and HOMA-IR, and increased HDL-cholesterol, but did not affect insulin, BMI, triglycerides, total- and LDL-cholesterol levels.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,026 | 0,042 |
| Bibliométrie | 0,011 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».